利索能及
我要发布
收藏
专利号: 2021107821803
申请人: 闽南师范大学
专利类型:发明专利
专利状态:已下证
更新日期:2025-10-14
缴费截止日期: 暂无
联系人

摘要:

权利要求书:

1.一种无人机目标跟踪方法,其特征在于,包括以下步骤:S1:接收无人机数据中的第1帧图像,并对第1帧图像中目标跟踪窗口的中心位置P1和尺度s1进行标注,构建判别式相关滤波器作为第1帧图像的位置滤波器,初始化设定t=2;

S2:根据t‑1帧图像和其对应的目标跟踪窗口的中心位置Pt‑1,对判别式相关滤波器进行训练,得到第t‑1帧图像的位置滤波器ft‑1;

S3:接收第t帧图像,以第t‑1帧图像的目标跟踪窗口的中心位置Pt‑1为中心裁剪搜索窗口,并根据裁剪的搜索窗口,从第t帧图像内提取不同特征并融合后,得到第t帧图像的加权特征图Xt;

S4:根据第t帧图像的加权特征图Xt和第t‑1帧图像的位置滤波器ft‑1,构建位置跟踪模型,设定位置跟踪模型的目标函数为:其中,ft表示第t帧图像的位置滤波器,μt表示时间正则项参数,y表示高斯响应,表示参考参数,Xt表示加权特征图, 表示循环卷积运算符,||·||2表示l2范数正则项, 表示空间正则项参数,表示点乘运算符;

S5:通过更新策略判断是否需要更新时间正则项参考参数、当前帧是否被遮挡;若无遮挡情况,通过交替方向乘子法对目标函数进行迭代优化,并设置迭代次数,得到第t帧图像的位置滤波器ft的最优解 并根据下式对第t帧图像的位置滤波器进行更新:其中,η表示学习率, 表示更新后的第t帧图像的位置滤波器;

S6:根据第t‑1帧图像的位置滤波器和第t帧图像的加权特征图,计算第t帧图像的响应图 将第t帧图像的响应图 的峰值作为第t帧图像中目标跟踪窗口的中心位置Pt;

S7:根据第t帧图像中目标跟踪窗口的中心位置Pt和第t‑1帧图像中目标跟踪窗口的尺度st‑1,通过尺度滤波器估计第t帧图像中目标跟踪窗口的尺度st;

S8:令t=t+1,返回S3。

2.根据权利要求1所述的无人机目标跟踪方法,其特征在于:步骤S3中不同特征的融合采用加权融合方法,具体计算公式为:其中, 表示第t帧图像对应的全部D个通道中的第d个特征通道的值,D表示通道的总数,d表示通道的序号, 表示第t帧图像对应的第d个特征通道的权重值, 表示 中第i行的值,N表示行数。

3.根据权利要求1所述的无人机目标跟踪方法,其特征在于:步骤S4中空间正则项参数的计算公式为:

其中,w和h分别表示搜索窗口的宽度和高度;σ表示用来调整空间结构信息权重的常量;w表示用来缓解边界效应的参数; 表示位置滤波器的组稀疏映射图,Sw,h表示从 的w×h范围中选择的矩阵;

位置滤波器的组稀疏映射图 的计算公式为:其中,fij:表示位置滤波器中所有通道的第i行的第j列,i表示行数,j表示列数,N表示滤波器大小。

4.根据权利要求1所述的无人机目标跟踪方法,其特征在于:步骤S5中通过交替方向乘子法对目标函数进行迭代优化的过程包括以下步骤:S51:将目标函数转换为频域形式:其中, 表示ft的辅助变量, 表示加权特征图Xt的傅里叶形式,T表示加权特征图Xt的总元素长度,F为标准正交矩阵;

S52:将频域形式的目标函数表示为增广拉格朗日形式:其中, 表示拉格朗日乘子的傅里叶形式,α表示惩罚项;

S53:通过交替方向乘子法对上述目标函数进行迭代优化后,得到辅助变量 正则参数μt和第t帧图像的位置滤波器ft的最优解 和

5.根据权利要求4所述的无人机目标跟踪方法,其特征在于:步骤S53的具体实现包括:将步骤S52中公式转换为以下三个子问题,并通过交替方向乘子法进行交替求解:子问题A:利用Sherman Morrison公式得到 的最优解 为:其中, 表示 的转置形式,Γj(.)表示所有通道中第j个元素组成的向量,且j=1,

2,...,T;

*

子问题B:ft的最优解ft为:式中, 表示 的对角矩阵;I表示单位矩阵;

子问题C:μt的最优解 为:

6.根据权利要求4所述的无人机目标跟踪方法,其特征在于:步骤S5中在每次迭代中拉格朗日乘子 和惩罚因子α的更新公式分别为:(i+1) (i)

α =min(αmax,ρα )其中,αmax表示i次迭代内惩罚因子α的最大值;ρ表示尺度因子;上标i表示迭代索引。

7.根据权利要求1所述的无人机目标跟踪方法,其特征在于:步骤S5中更新策略的条件为:当 且 则认为当前帧无遮挡;其中: 表示响应图中的第i个元素的局部响应,APCE表示响应图的平均峰值相关能量, 表示APCE的历史平均值,Φ1为预定义的比重参数,Φ2为预定义的阈值。

8.根据权利要求1所述的无人机目标跟踪方法,其特征在于:步骤S6中第t帧图像的响应图 的计算公式为:

其中,D表示位置滤波器的通道总数,d表示通道序号, 表示加权特征图Xt的傅里叶形式, 表示ft‑1对应的辅助变量。

9.一种无人机目标跟踪终端设备,其特征在于:包括处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如权利要求1~8中任一所述方法的步骤。

10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于:所述计算机程序被处理器执行时实现如权利要求1~8中任一所述方法的步骤。